Όταν εξετάζουμε καμπύλες ή ακόμα και συναρτήσεις ενός τομέα επηρεαζόμαστε φυσιολογικά από αυτόν. Αυτό όμως δεν σημαίνει απαραίτητα ότι κοιτάζουμε απαραίτητα αντικειμενικά κριτήρια ταξινόμησης. Αν βέβαια ο επιμερισμός μετά την ταξινόμηση δίνει μια λεπτή κατηγοριοποίηση τότε καλώς, αλλιώς χρειάζονται νέες ιδέες. Μια από αυτές είναι η μορφοκλασματική προσέγγιση που επιτρέπει με μια κλασική βάση δεδομένων να κάνουμε αναλύσεις που δίνουν περισσότερες πληροφορίες από την τοπολογική διάσταση. Χάρη παραδείγματος χάρη στη διάσταση Hausdorff – Besicovitch, στη διάσταση Minkowski ή ακόμα και στη διάσταση συσχετισμού μπορούμε να ανακτήσουμε πληροφορίες με αντικειμενικό τρόπο, να έχουμε μια άλλη ταξινόμηση, η οποία μπορεί να διασταυρωθεί με την αρχική ή να τη συμπληρώσει εκεί όπου δεν έχουμε λεπτή κατηγορία. Με αυτήν την προσέγγιση που εφαρμόζεται ήδη στη φυσική γενικά, στο χρηματιστήριο, στην ανάλυση εικόνων, στην ακουστική ή ακόμα στις ηλεκτροχημικές διαδικασίες, είναι δυνατόν να δούμε αόρατα στοιχεία που δεν εντοπίσαμε με κλασικές μεθόδους. Μάλιστα όταν υπάρχει μεγαλύτερη πολυπλοκότητα και η έννοια της μορφοκλασματικής διάστασης δεν επαρκεί, επειδή η διάσταση είναι πολλαπλή, τότε μπορούμε να τη συμπληρώσουμε με τη χρήση των wavelets για να βρεθούν πιο λεπτά στοιχεία που αποτελούν ένα φάσμα.